问什么是数据序列化系统？

EN

因此，当Doug Cutting编写Hadoop时，他认为使用Java对象序列化(Java Serialization)来序列化Java对象的标准Java方法不能满足他对Hadoop的要求。也就是说，这些要求是：

1. 将数据序列化为紧凑的二进制格式。
2. 在性能和允许数据被的速度方面都是fast，以便更轻松地插入其他语言。

正如他所描述的Java序列化：

它看起来又大又多毛，我想我们需要一些精干和刻薄的东西

他们没有使用Java序列化，而是编写了自己的序列化框架。Java序列化的主要问题是，它将序列化的每个对象的类名写入流，该类的每个后续实例都包含对第一个对象的5字节引用，而不是对类名的引用。

除了减少流的有效带宽之外，这还会导致随机访问以及序列化流中记录排序的问题。因此，Hadoop序列化不会写入类名或所需的引用，并假设客户端知道预期的类型。

Java Serialization还为每个反序列化的对象创建一个新对象。实现Hadoop序列化的Hadoop Writables可以重用。因此，有助于提高MapReduce的性能，它重点序列化和反序列化数十亿条记录。

Avro适合Hadoop，因为它以不同的方式实现序列化。客户端和服务器交换描述数据流的方案。这使得它更快，更紧凑，更重要的是，它更容易将语言混合在一起。

因此，Avro定义了一种序列化格式，一种供客户端和服务器通信的协议，以及一种将数据紧凑地保存在文件中的方法。

我希望这能帮到你。我想了解一下Hadoop的历史会有助于理解为什么Avro是Hadoop的一个子项目，以及它对我们有什么帮助。

如果您必须将层次结构或数据结构实现细节等信息存储在有限的文件中，并通过网络传递这些信息，则可以使用数据序列化。它接近于理解xml或json格式。这样做的好处是，转换成任何序列化格式的信息都可以反序列化，以重新生成类、对象、数据结构，无论序列化了什么。

actual implementation-->serialization-->.xml or .json or .avro --->deserialization--->imlementation in original form

Here是指向序列化格式列表的链接。如果您想了解更多信息，请留言！:)